明升体育:马斯克:自动驾驶依赖激光雷达注定失败 专家表示不服

明升体育:马斯克:自动驾驶依赖激光雷达注定失败 专家表示不服

明升体育:马斯克:自动驾驶依赖激光雷达注定失败 专家表示不服
8月13日报道 在盈怀充栋生产商着手科学研究自动驾驶工具车之大环境下,几乎整整之公交车都应用了银光雷达,并用以打造一种传感器。这种路由器可以借助雷达展现三维地图中车辆周围之状况。然而特斯拉的末座侍郎埃隆马斯克却表示,这样之唯物辩证法是不当的。资料图先有特斯拉于现年4月份举办展示运动,引见其自动驾驶技术。马斯克在当时展会中表示,那些生产商终将放弃激光雷达,坐盖任何下祭激光雷达研发自动驾驶客车之总人口都操胜券失败。后有特斯拉人工智能专家Andrej Karpathy表示,磷光雷达确实为研制提供了一条捷径,但是这种方法并没有考虑到一个挑大梁问题,那就是视觉识别在这高中级的举足轻重。这个长法带给他们一种上移之错觉。许多学家对该说法发出了质询。首先来自密歇根大学自动驾驶山地车试验场MCity的发现者Greg McGuire就透出:从某种意思上以来,这些搅拌器都是一种依赖。作为工程师,她们就是这么做之,即创造依赖性。McGuire还表示,只有冠自动驾驶汽车真的非常安全牢稳时,她才能把社会所接到。想中心思想赶到万丈之靠得住,就要坚持一番重要之标准——冗余。任何传感器最终都会失灵,但如果使动几种不同档次的存储器,那就可以大跌因为某一个传感器发生跑题导致问题发生的可能性。其从此,又有行当分析师(及前汽车工程师)Sam Abuelsamid表示,一旦你战将这些理论技术用来现实,有成千上万未知数你是无力回天避免之。理论上,你或许可足仅凭相机来采集多寡,但若中心思想百分百相信系统的看清是颠扑不破的,最好是有其它正交传感模式的支援,例如像激光雷达这样的流传模式。4月22日,就在特斯拉展示自动驾驶技术的今朝,康奈尔大学之三位研究人口发表了一篇研讨舆论,一些支持了马斯克关于激光雷达的说教。计算机科学家们只用了圆柱体相机,尾声在KITTI(一种热门的机关驾驶系统图像识别基准)上取得了规律性的硕果。该项新技术性能远远优于之前之纯相机技术,并且和“相机+激光雷达”之配搭相比也相差无几。可惜,媒体对该论文之通讯混淆了研究食指的切实可行发现。例如Gizmodo在报道中表示,这三享誉研究人手之论文是关于汽车上摄像头的设置位置的,但实际上该论文并没有谈起这或多或少,而Gizmodo也在研究口联系他之后,修修改改了其它这篇通讯。想中心思想对路地掌握这篇论文,咱俩就求需问询软件是如何爱将原有的相机图像转换成有标识的时空模型,在地图上娓娓动听地展示汽车周边情况。在KITTI的自考官方,如果该比较法能够精准地辨认汽车周边之每一番对象,用字三维的界面将他标示出来,那么该书法就把觉着是水到渠成之。通常软件处理这种测试分为以下两个步骤。首先,软硬件通过某一算法运行图像,为图像的每场像素定一个距离估计值。这可足穿越一对相机和视差效应之公理来奋斗以成。研究人口还研发了任何技艺,使役单个相机来估算像素间距。在这两种情况下,老二步就是穿越高度估计值将像素分组,组合不同之靶子(比如汽车、行人或自行车)。康奈尔大学之研究人口将每个立体图像对应的像素转换成绩由激光雷达传感器生成的二维点云(点云数据指的是:扫描资料以线之形式记录,每一度点包含有三维坐标,片段可能含有颜色信息或反射强度信息)。然后,研讨食指名将点云数据入院到现有之靶子识别算法中。三位研究食指在人家论文中示意,他俩之不二法门在图像识别能力上取得了伟大上进。例如,在KITTI测试的一期版本劳方,早先纯相机采集多少之归行率最高为30%,而如今借助他们之技能,存活率已经三改一加强到66%。换句话说,“相机+激光雷达”的别墅式比纯相机使用更加精准,这和闪光雷达测量距离时精度更高无关,他要紧是归因于激光雷达生成的“原生”数据格式恰好更容易让机器学习算法使用。这篇论文之笔者之一Kilian Weinberger指出,她俩之论文写的是通过名将基于相机的数额转换造就激光雷达的点云数据,彰明较著缩小两者之间的千差万别。不过,Weinberger也一目了然表示,火光雷达和非激光雷达之间仍有相当大的出入。在KITTI测试军方,康奈尔大学之切磋人丁战将数据的汇率提高到了66%,但在运用相同算法的标准说不上,直接下祭激光雷达生成的线云数据准确率高达86%。


返回明升m88.com,查看更多